معرفی داده‌کاوی و کاربردهای آن

اختصاصی از زد فایل معرفی داده‌کاوی و کاربردهای آن دانلود با لینک مستقیم و پر سرعت .

معرفی داده‌کاوی و کاربردهای آن

50 صفحه قابل ویرایش 

قیمت فقط 5000 تومان 

چکیده:

محتوای این مقاله شامل معرفی داده‌کاوی و کاربردهای آن می‌باشد. نمونه‌ای از کاربرد دانش داده کاوی استفاده از داده‌کاوی در زمینه‌های مالی و بانکداری است که به شناخت مشتریان پر خطر و سودجو بر اساس معیارهایی از جمله سن، درآمد، وضعیت سکونت، تحصیلات، شغل و غیره می‌انجامد.

دانش داده کاوی با دانش آنالیز آماری تفاوت دارد. این دانش با استخراج اطلاعات از چندین پایگاه داده، یکپارچه‌سازی اطلاعات ، جلوگیری از افزونگی و مدیریت به‌روزرسانی، با در اختیار داشتن  نرم افزارهای مخصوص و با ارایه گزارش و گراف به مدیریت داده‌ها در شرکت‌ها کمک می‌کند.

فهرست

1: مقدمه 1

1-1: معرفی داده‌کاوی و دلایل پیدایش آن. 1

2-1: تعاریف داده کاوی.. 2

3-1: مروری بر مفاهیم پایه. 4

2: طبقه بندی روش‌های داده کاوی.. 5

2-1 : داده کاوی توصیفی یا توصیف کننده 5

2-2 : مراحل فرایند کشف دانش از پایگاه داده‌ها 5

3: مراحل و اجزای یک فرآیند داده‌کاوی.. 6

3-1: بیان مسئله و فرموله کردن فرضیه. 6

3-2: انتخاب و جمع آوری داده‌ها 6

3-3: تبدیل و پیش پردازش  داده‌ها 7

3-4: برآورد مدل یا کاوش در داده‌ها 8

3-5: تفسیر نتیجه یا تفسیر مدل و رسیدن به نتایج.. 8

4: آماده سازی داده‌ها 8

1-4: مدل استاندارد داده‌ها 8

2-4: دو وظیفه اصلی در آماده سازی داده‌ها 9

5: آموختن از داده‌ها 9

6: مراحل اصلی داده کاوی.. 10

7: تبدیل و تغییر وضعیت داده‌های خام. 10

1-7: مشخصه داده‌های خام. 10

2-7:تبدیل داده‌های خام. 11

3-7: نرمال سازی.. 12

1-3-7: مقیاس دهی اعشاری.. 13

2-3-7: نرمال سازی حداقل حداکثر. 13

4-7: نرمال سازی انحراف معیار 13

5-7: یکنواخت سازی داده‌ها 14

6-7: تفاضل‌ها و نسبت‌ها 14

8: مفهوم داده‌های از دست رفته و راه حل جبران آن. 14

9: تحلیل داده‌های نامنطبق.. 15

1-9: تشخیص داده‌های نامنطق بر مبنای فاصله. 16

2-9: روش‌ها و تکنیک‌های برمبنای انحراف.. 16

10: کاهش داده ها 17

1-10: یافته‌های حاصل از کاهش داده‌ها 18

1 -1-10: کاهش زمان محاسبه. 18

2 -1-10: افزایش یادگیری در دقت پیش‌گویانه    18

3 -1-10: سادگی در ارائه مدل داده کاوی.. 18

4 -1-10: کاهش موارد. 18

11: روش‌های نمونه گیری برای نمونه‌های بزرگ.. 19

1-11: نمونه گیری سیستمی.. 19

2-11: نمونه گیری تصادفی.. 19

3-11: نمونه گیری لایه‌ای.. 19

4-11: نمونه گیری معکوس... 19

12: روش‌های آماری.. 19

1-12: استنباط آماری.. 19

2-12: ارزیابی تفاوت‌ها در مجموعه‌های.. 20

3-12: استنباط بیزی.. 20

4-12: تحلیل واریانس... 21

5-12: رگسیون لجستیکی.. 21

6-12: تحلیل ممیزی خطی.. 21

13: ساختار یک سیستم داده‌کاوی.. 22

14: محدودیت‌های داده کاوی.. 24

15: متن‌کاوی.. 25

1-15: معرفی متن‌کاوی.. 25

2-15: فرآیند متن‌کاوی.. 26

3-15: روش‌های متن کاوی.. 26

16: نرم افزارهای داده‌کاوی.. 27

17: نمونه‌ای از روش داده کاوی.. 27

18: برخی از کاربردهای داده‌کاوی در محیط‌های واقعی.. 28

19: فواید و نقش داده کاوی در فعالیت شرکت‌ها 29

20: کاربرد داده کاوی در کتابخانه‌ها و مؤسسات دانشگاه‌‌‌ها 29

21: هوش مصنوعی چیست.. 31

1-21: به سوی آینده 32

22: شبکه‌های عصبی زیستی.. 33

23: شبکه عصبی مصنوعی.. 33

1-23: تاریخچه شبکه‌های عصبی مصنوعی.. 34

24: نرون چیست؟. 35

1-24: نرون مصنوعی چیست.. 36

25: شبکه عصبی چیست.. 37

1-25: پرسپترون چند لایه. 38

26: چرا از شبکه‌های عصبی استفاده می‌کنیم. 38

24: شبکه‌های عصبی در مقایسه با کامپیوترهای سنتی.. 40

28: ساختار شبکه‌های عصبی.. 41

29: تقسیم بندی شبکه‌های عصبی.. 42

30: کاربرد شبکه‌های عصبی.. 43

31: معایب شبکه‌های عصبی.. 44

32: الگوریتم ژنتیک چیست.. 44

33: تفاوت الگوریتم ژنتیک با سایر روش های بهینه سازی.. 47

34:  روش های نمایش... 48

35: نتیجه‌گیری.. 49

 فهرست منابع. 50